C-SUITE MEETUP VOL. 12: NOTES

Do průběhu meetupu mohli – jako vždy – do jisté míry zasáhnout i hosté v publiku. Nejen svými dotazy, ale také naopak svými reakcemi. Ptali jsme se například, jaký je vztah účastníků k tématu, později pak i třeba na to, zda mají zkušenost s vibe codingem. Přestože odpovědi nemohou být chápány jako výsledek průzkumu veřejného mínění, jsme rádi, že můžeme na jejich základě formovat další směr diskuse.

Productboard Spark a nové principy produktové práce

První blok byl bohatý na inspiraci z praktického využití AI pro produktový management.

Jako první v něm vystoupil Dominik Plšek, Engineering Manager z Productboardu – jednoho z nejúspěšnějších českých startupů a jednorožce, který se stal globálním standardem pro produktové týmy. Productboard pomáhá produktovým manažerům dělat správná rozhodnutí v situaci, kde musí spojit ohromné množství vstupů — zákaznickou zpětnou vazbu, výzkumy, konkurenční informace, firemní strategii i široké tržní trendy. 

A právě toto prostředí se zásadně změnilo s AI a následně s uvedením nového AI produktu Productboard Spark. Co Spark vlastně mění na tom, jak se vyvíjí software? „Spark jsme koncipovali jako nový produkt právě kvůli tomu, abychom mohli zjednodušit celou uživatelskou zkušenost pro naše zákazníky. Je to rozsáhlejší nástroj, který má víc funkcí. Jeho premisou je, že pomůže produktovému manažerovi začít novou iniciativu.“

Spark dokáže zjistit informace o produktu i firmě, pro kterou manažer pracuje: „Umíme získat informace z veřejných zdrojů — co firma dělá, jak je velká, jaký je její segment. A podle toho pak Sparku umožníme personalizovat vedení, doporučovat postup a tak trochu vlastně mentorovat produktového manažera.“

Spark tedy není pouhý AI chatbot. Je to kontextový, firmě i produktu rozumějící průvodce, který se neptá „co chceš“, ale dokáže navnímat strategii, historii, cíle a best practices vycházející z desítek tisíc uživatelů Productboardu.

Dominik detailně popsal, proč nestačí používat obecné large language modely: „Když se začnou používat generické nástroje jako ChatGPT, produkt nemá žádný kontext od firmy. Musíte kopírovat informace odjinud, což může být i bezpečnostní riziko.“ 

Právě kontext je podle něj kritický. Spark do sebe integruje nejen strategické dokumenty firmy, ale i know-how Productboardu o tom, jak správně produkty řídit.

„Spark by neměl produkovat dokumenty, které nemají hodnotu pro zákazníka. To je velký rozdíl oproti generickým nástrojům. My nabízíme “best practices” vycházející z toho, jak produktové týmy fungují.

Dodal také myšlenku na téma budoucnosti v oboru – je názoru, že vývoj nástrojů pro inženýring roste raketově. Produktový manažer se stává úzkým hrdlem, není schopen produkovat dostatek specifikací. Spark je jakýsi kopilot, asistent, který doplňuje manažera, ale nezastupuje ho. Pomáhá, aby dokumenty měly hodnotu pro zákazníka. AI tedy podle něj nemění roli produktového manažera v jeho podstatě, ale posouvá jeho možnosti a odbourává bariéry.

Supernova: týmová spolupráce s pomocí AI

Druhým hostem tohoto diskuzního bloku byl Jan Bělohlávek z platformy Supernova, dalšího úspěšného českého startupu, který ovlivnil způsob práce řady designérů a celých produktových týmů.  V popisu Supernovy navázal na Dominika Plška: „Nejlepší popis toho, co teď děláme, je, že prakticky navazujeme přesně tam, kde Productboard končí.“ 

Pokud v Productboardu produktový manažer definuje problém, kontext a možná řešení, Supernova dokáže z těchto informací vytvořit konkrétní podobu řešení. „Náš nástroj umí naprototypovat jednotlivá řešení, rozpadnout je na jednotlivé úkoly a vzniknou artefakty popisující, jak se má řešení implementovat.“

Supernova tedy nestaví produkt od nuly, ale z existujícího kontextu firmy. Jejím cílem je dramaticky urychlit průchod od prvního nápadu k prvnímu realistickému návrhu. 

Jan popsal konkrétní situaci, jak Supernova funguje: „Ověřili jsme si, že díky AI dokážeme během půl hodiny vytvořit první funkční prototyp, který stačí k tomu, aby se do diskuse okamžitě zapojil celý tým. Současně jsme k němu nechali vygenerovat dokument, který poskytl vývojářům jasný zdroj pravdy o tom, jak má řešení fungovat, i když samotný prototyp nebyl ještě kompletní. S tímto materiálem jsme šli na meeting s engineering týmem, kde zazněla řada připomínek a poznámek. Během samotné schůzky jsme veškerou zpětnou vazbu rovnou předávali AI, která v reálném čase vytvářela alternativní varianty prototypu. Nástroj Granola mezitím automaticky zaznamenával poznámky a my jsme je poté jednoduše předali agentovi, který dokument aktualizoval o všechna rozhodnutí, napojení API i další technické detaily. Díky tomu jsme úplně změnili tradiční proces: místo týdenního čekání na design jsme mohli jít rovnou do vývoje s hotovým prototypem a dokumentací, zatímco designér mezitím začal pracovat až na finálním vizuálu. Výsledek? Otočení celého workflow a zrychlení vývoje o týdny.”

Diskuse se ale dotkla i vibe code nástrojů, které umožňují vygenerovat aplikaci „na pár kliknutí“. „Google AI Studio nebo Lovable jsou pro lidi, kteří chtějí vytvořit end-to-end aplikaci od nuly. My v Supernově řešíme jiný problém — firmy už mají existující produkt, existující doménu, existující technologický stack. My umožňujeme týmům, aby společně prototypovali funkce integrované do svého produktu.“

A jaká je podle Jana budoucnost oboru? AI podle něj stírá hranice mezi rolí produktového manažera, designéra a vývojáře. „Designéři začnou dělat produktovou práci, produkťáci zase trochu designovat. Celé to zvyšuje kvalitu rozhodnutí a zlepšuje byznysový dopad. A také to podle mě bude větší zábava.”

Když se AI zapojí do testingu

Dalším hostem do první diskuze pak byl Jan Beránek, CXO ve Wopee. Když přišla řeč na to, kde jsou dnes největší slabá místa v testovací fázi, vysvětlil, že problém neleží jen v nedostatku technických dovedností, jak by se možná zdálo. Mnohem častěji týmy zápasí s tím, že nemají dobře vystavěné testovací scénáře ani jasnou představu o tom, co je vlastně potřeba otestovat. AI v tomto ohledu podle něj nepomáhá jen lidem, kteří neumějí skriptovat, ale dokáže skutečně navrhnout smysluplnější a úplnější testovací strategii, než jakou si řada týmů umí sestavit sama.

V následné diskusi padla i otázka, zda umělá inteligence začíná stírat hranice mezi rolí testera a vývojáře. Beránek přiznal, že realita je zatím opačná – tester většinou stále funguje spíše jako samostatná role. Wopee se však snaží tuto situaci zásadně měnit. Jejich AI agent si dokáže aplikaci projít sám, pochopit její kontext a na základě toho automaticky spustit relevantní testy. Odstraňuje tím tradiční bolest testování, kdy tester dostane pouze adresu aplikace a neurčitý úkol, aby ji „nějak“ otestoval.

Nakóduj si sám

Druhý tematický blok otevřela Michaela Raková, zakladatelka 52pages, která představila svůj příběh o vývoji interní aplikace na v platformě Lovable. 

Ten příběh rezonoval lidsky i prakticky: Michaela popisovala prostředí své agentury a potřebu mít nástroj na plánování kapacit a řízení projektů. Vyzkoušela desítky systémů, investovala stovky hodin do hledání ideálního řešení. Ale žádný nástroj nesplňoval specifické potřeby agentury.

A tak se pustila do tvorby sama, přímo v Lovable: „Po pátém promptu už bylo nutné zaplatit, takže jsem ihned zaplatila. Bylo totiž jasné, že si to dokážu opravdu vytvořit.“ Tím se spustila lavina dalších nástrojů — landing pages, kalkulačky, vizualizace dat, gamifikace, dokonce i aplikace pro klienty.

Pozitivní nákaza se rozšířila i na kolegyni, která delší dobu řešila jednoduchý zákaznický požadavek u webové stránky. Po krátkém pobídnutí, aby Lovable vyzkoušela, měla za několik desítek minut funkční ukázku. AI zde sehrála roli katalyzátoru změny. Umožňuje ukázat myšlenku rychleji, a tím zlepšit třeba i komunikaci mezi agenturou a klientem.

Na Michaelu pak navázal Martin Giertl z INVENTI. Podle něj by si podobný nástroj měl vyzkoušet každý člověk na governance úrovni v IT: „Nemusíte jít extrémně hluboko, abyste pochopili, jaké tyto aplikace mají limity. Má to hranice v rozsahu projektů a v tom, kolik důvěry vložíme do produktu.“

Upozornil také na tři úrovně zabezpečení – aplikační, uživatelskou a infrastrukturní. Pokud některá chybí, aplikaci nelze nasadit s citlivými daty. Ale zároveň dodal, že zákazník, který přichází s prototypem vytvořeným svépomocí, je pro dodavatele obrovsky cenný.

„Když se to špatně zadá, špatně se to dodá. Pro mě je ohromnou hodnotou, když zadání přichází už profiltrované prototypem, právě třeba z Lovable. Figma už zkrátka nestačí.“

Dodal také, že množství firem nedokáže přejít na agilní vývoj kvůli způsobu financování. Funkční prototyp vytvořený AI je podle něj cestou, jak sladit očekávání napříč rolí i byznysem.

Vzdělávání, mladé talenty a budoucnost kompetencí

Poslední blok přinesl zcela nový rozměr: pohled studenta, který už má své praktické zkušenosti z konkrétních projektů, Jonáše Tenory, a korporátní perspektivu Vítězslava Hubeného z České spořitelny.

Moderátor Pavel Bartoš připomněl úsměvný moment, kdy mu ředitel Smíchovské průmyslové školy řekl: „Já tam nepůjdu, pošlu někoho, kdo tomu rozumí víc.“ A tím byl právě Jonáš, student čtvrtého ročníku. Jonáš popsal, že jejich škola je výrazně výběrová a dává studentům obrovskou volnost: „Nemáme daný programovací jazyk, ani konkrétní předměty. Máme základ, a pak si volíme semináře. Znám spolužáky, kteří AI používají denně. A také ty, kteří chtějí nad svým kódem stoprocentní kontrolu a AI nevyužívají vůbec.“

Ze všeho nejvíc však rezonovala filozofie školy: „Student má zodpovědnost za své vzdělání. Pokud použije AI, musí to uvést a napsat, který model a na co.“

V další části vystoupil Vítězslav Hubený, který přiblížil, jak Česká spořitelna v posledních letech proměnila svůj přístup ke vzdělávání a k rozvoji seniorních vývojářů. 

Postupem času začali implementovat myšlenku, že je efektivnější posilovat silné stránky než se pracně snažit opravovat slabiny. 

Tento posun podle něj výrazně změnil to, co se od seniorních lidí očekává, a AI tento trend dále zesiluje. „Jakmile někdo seniorní zažije moment, kdy mladší kolega zvládne během chvíle něco, co dříve trvalo dny, přirozeně ho to vytrhne z komfortu a donutí přemýšlet nad vlastní adaptací.”

Popsal také výsledky interního výzkumu, který ukázal, že senioři označují za největší dovednostní mezeru oblasti jako vyjednávání, konzultace, argumentace nebo poskytování zpětné vazby. Technické dovednosti obecně zvládají, ale právě ty podle nich nejsou v dopadu na byznys rozhodující. Podle Vítězslava je to zásadní výzva pro všechny korporace: připravit své lidi na svět, kde technické schopnosti již nejsou hlavním limitem, protože mnoho z nich umí AI doplnit nebo urychlit.

Na téma vzdělávání navázal také Jonáš, který reagoval na otázku, zda má škola v éře AI stále smysl. Podle něj to záleží především na jednotlivci. Někteří studenti potřebují jasnou strukturu a vedení, zatímco jiní upřednostňují vlastní projekty a reálnou praxi. Jeho škola jim k tomu vytváří prostor mimo jiné i díky čtyřdennímu školnímu týdnu, který studentům umožňuje pracovat, podnikat nebo se rozvíjet v oblastech, které je skutečně zajímají.

Co můžeme začít dělat hned teď?

Jak se na současnou situaci adaptovat ve společnosti velikosti České spořitelny? Vítězslav Hubený nabídl názor, kterým by se mohly inspirovat i menší firmy: 

„Chraňte pro své týmy čas na hluboké myšlení. Jsme strašně roztříštění — Slack, Teamsy, cally, reakce. Ale právě lidé s největším dopadem potřebují čas na hlubokou práci. To můžete začít dělat okamžitě.“

Byla to symbolická tečka za celým eventem.

Co jsme si odnesli?

AI mění vývoj softwaru, ale mění ho především tím, že mění způsob práce lidí. Zrychluje validaci, boří bariéry mezi rolemi, umožňuje vyjádřit myšlenku rychleji, zlepšuje komunikaci, zvyšuje kvalitu rozhodování, pomáhá v komunikaci se zákazníkem.

C-Suite Meetup tak ukázal, že budoucnost vývoje nebude o tom, kdo jaký kód napíše, ale o tom, kdo dokáže AI využít k tomu, aby tvořil něco kvalitního a v rámci efektivní týmové spolupráce.

Zajímá vás další téma? Rádi byste dorazili na náš příští C-Suite Meetup?

Rádi se s vámi potkáme. Naše meetupy jsou unikátní díky své otevřené atmosféře. Na půdě technologické společnosti se v INVENTI setkávají lidé z různých světů, událost je proto i skvělou příležitostí pro networking.

A diskuze nemusí končit s ukončením akce. Připojte se do naší LinkedIn komunity věnované C-Suite Meetupům, kde můžete pokračovat v debatách, sdílet zkušenosti s ostatními účastníky a zůstat v kontaktu s řečníky.

Můžete nás také sledovat na LinkedIn profilu INVENTI a být v obraze o tom, co vše se u nás děje.